KeyFrame內部研究專用

用豆包还是Codex,正在加速两极分化…

课代表立正12 min中文
觀看原始影片

三句話摘要

普通人成為 AI 高手的三個必要步驟 成為 AI 高手的第一步,就是停止在聊天窗口裡一問一答,改用 Agentic 工具讓 AI 自主執行多步驟工作流,這是解鎖 10 倍生產力而非只有 30% 提效的關鍵分水嶺。 Agentic 工具的本質優勢:Chat 工具只能一來一往回答問題,是單步的對話模式;而 Agentic 工具能調度本地文件、工具、模型,自動執行複雜的多步驟任務。Chat 的能力只是 Agentic 工具的子集,但目前全球 80% 未接觸 AI,接觸過的 20% 中超過 90% 仍只在用 Chat,只有 1-2% 人真正用 Agentic 工具。

重點整理

  1. Agentic 工具的本質優勢:Chat 工具只能一來一往回答問題,是單步的對話模式;而 Agentic 工具能調度本地文件、工具、模型,自動執行複雜的多步驟任務。Chat 的能力只是 Agentic 工具的子集,但目前全球 80% 未接觸 AI,接觸過的 20% 中超過 90% 仍只在用 Chat,只有 1-2% 人真正用 Agentic 工具。

  2. 工作流的結構性差異:使用 Chat 時,用戶成為 AI 的速度瓶頸(如英國紅旗法律限制汽車速度),效率完全取決於下一個問題多快被提出;而 Agentic 工具只需用戶說出目標,AI 就能自主完成全部步驟、生成過程文件並統合結果,用戶無需盯著監督。

  3. 技術升級不等於生產力革命:電機取代蒸汽機只帶來 30% 提效,真正的 10 倍提效來自花 40 年重新設計工廠流程(從狹長型改為扁平型)。同理,強大的模型本身不夠,關鍵是建立 AI 原生的工作流,讓 AI 盡可能自主做事,用戶少參與。

  4. 現實機會窗口:大多數人還未認識到 Agentic 工具的威力,只要真正使用一次(一個晚上就能體驗),就會發現本質差異,開始用自然語言調度算力,這是 AI 時代的核心競爭力。

實用技巧與重點

  • 工具名稱:Codex、Cloud、Cursor、ChatGPT
  • 三個步驟:
  • 停止使用 Chat 工具 → 改用 Agentic 工具
  • 學會寫 Skill(功能型,非風格型)
  • 管理好 Contacts
  • Agentic 工具的三大能力:
  • 調度本地文件和工具,在本地寫代碼、下載工具、調用開源工具,代碼被保存
  • 注入大量上下文,理解用戶工作流和個人背景
  • 所有操作累積成上下文,根據反饋重新構建工作流
  • 具體案例:
  • 訪談後期製作:一句話完成轉碼、語音轉文字、演講人識別、生成高光片段、製作標題封面、整理 Google Doc 等 9+ 步驟
  • 播客管理:AI 自動理解工作流,調度平台登錄,將公開視頻轉為會員專屬(從公開改非公開狀態)
  • 推特自動發布:根據反饋重新構建流程,生成 50 條推文並定時發布
  • 提效倍數對比:
  • Chat 工具:30% 提效
  • Agentic 工具:10 倍、100 倍提效
  • 免費資源:
  • 社區文章:〈用好 AI 的第一步:停止使用聊天窗口〉、〈以一個簡單任務看 AI 落地決策〉(上中下三冊)
  • AI 編程入門課程(便宜,一晚上可學會)
  • 騰訊、美團、小紅書企業培訓內容公開
  • 十幾個自研 Skill 免費開源
  • 網站:superlinear.academy,App 同名,2 萬+ AI Builders 社區

結論

成為 AI 高手的第一步,就是停止在聊天窗口裡一問一答,改用 Agentic 工具讓 AI 自主執行多步驟工作流,這是解鎖 10 倍生產力而非只有 30% 提效的關鍵分水嶺。

完整解析

現在大多數人使用 AI 的方式還停留在聊天階段。全球 80% 的人尚未接觸 AI,而接觸過的 20% 中超過 90% 只在使用 ChatGPT 這類聊天工具。但真正掌握 AI 威力的人早已轉向 Codex、Cloud、Cursor 等 Agentic 工具,兩種方式帶來的生產力差異是指數級的。

Chat 工具和 Agentic 工具表面相近,但本質迥然不同。Chat 的交互是一問一答,用戶問什麼 AI 就回答什麼,效率完全取決於用戶能多快提出下一個問題。相比之下,Agentic 工具能調度本地文件、工具和模型,理解用戶的個人背景與工作流程,並自主完成複雜的多步驟任務。講者舉了一個訪談案例:只需說「根據這段訪談進行 Post-Production」,AI 就能自動完成轉碼、語音轉文字、識別發言者身份、生成觀眾感興趣的高光片段、製作標題和封面、甚至生成截圖,最後整理成可分享的 Google Doc。這一系列操作中間調度了多個本地工具和 AI Loop,完全不需要用戶干預。Chat 工具根本無法做到,因為它無法接觸本地資源、調度工具或記住用戶的個人背景。

講者用兩個歷史比喻深入解釋為什麼這種轉變至關重要。英國曾有法律規定汽車前必須有人舉著紅旗,這極大限制了汽車的速度——用戶就像那個紅旗舉手,成為 AI 的速度瓶頸。但用 Agentic 工具時,用戶只需說「去哪」,AI 就能獨立駕車到達,用戶則坐在副駕。另一個例子是電機取代蒸汽機的轉變:最初直接用電機替換蒸汽機只帶來 30% 提效,真正的 10 倍提效花了 40 年才實現——關鍵不在技術本身,而在於重新設計工廠流程,從狹長型改為扁平型、按生產流程而非動力傳導流程組織。這啟示我們,光有強大的模型還不夠,關鍵是建立 AI 原生的工作流,讓 AI 盡可能自主決策和執行,用戶少參與。

現在正是機會窗口。雖然大多數人還未意識到 Agentic 工具的威力,但講者強調只要真正花時間體驗——下載 Codex、Cloud、Cursor 花一個晚上試用——就會立即發現本質區別。用戶會開始思考如何用自然語言調度算力,這是 AI 時代的核心技能。課程社區中已有大量零程式背景的學員,通過這種方式完成了原本認為不可能的任務,甚至自發為課程作業添加新功能。一旦掌握 Agentic 工具,你就打開了通向 AI 10 倍提效的大門。

8 min
AI 技術中文11月17日

Muse AI 国内注册方法来了!无需排队、无需信用卡,全程免费!

一路向前看原片 ↗
  • IP環境是核心要素:乾淨的住宅IP搭配日本節點能大幅提升註冊成功率,講者稱日本節點「幾乎秒過」,可選美國但成功率較低。
  • 全新郵箱是必要條件:系統會記錄每個郵箱的註冊歷程,曾排隊或卡在信用卡驗證的信箱會直接失敗,必須使用全新未註冊過的郵箱才能完全規避之前的失敗記錄。
AI 技術中文11月17日

Meta 改写 K-Means,训练轮次降到十分之一​ | K-Means | e-means | Meta FAIR | 聚类算法 | 向量检索 | Faiss | DINO10B | 向量数据库

Best Partners TV看原片 ↗
  • 從累加到衰減的中心維護:傳統小批量更新會累積歷史統計量造成早期分配記錄長期影響,而 e-Means 用指數移動平均使新分配能即時調整中心,早先統計逐漸失效,避免陷入次優解。
  • 死簇復活機制是關鍵改進:消融實驗顯示這項改動影響最大,透過每 5 批次檢查樣本不足的中心,從較大簇拆分一半重新安排,將樣本不足 10 個的中心比例從 26.3% 降到 0.3%。
AI 技術英文11月17日

Goal Engineering - The New Buzzword

Prompt Engineering看原片 ↗
  • 長期開放式目標中最難提供的上下文不是文件或 API,而是人類的判斷力與品味。傳統的檔案查詢或技術規格是相對容易部分,真正瓶頸在於定義「什麼是好的結果」。
  • Actively AI 初期採用單一代理處理多種任務類型失敗,因為人類審查者必須在十種不同的任務格式間切換心智模式,造成效率低落。重新架構為多個專一代理後,人類可在相同心智模式下快速連續審查。